數(shù)據(jù)分析實(shí)驗(yàn)指導(dǎo)書

實(shí)驗(yàn)一實(shí)驗(yàn)二實(shí)驗(yàn)三實(shí)驗(yàn)四實(shí)驗(yàn)五實(shí)驗(yàn)六實(shí)驗(yàn)七實(shí)驗(yàn)八描述性分析正態(tài)總體的均值檢驗(yàn)非參數(shù)檢驗(yàn)方差分析回歸分析判別、聚類分析主成分分析因子分析實(shí)驗(yàn)一描述性分析【實(shí)驗(yàn)?zāi)康摹?.掌握數(shù)字特征的計(jì)算〔A〕;2.掌握相關(guān)矩陣計(jì)算〔A〕?！緦?shí)驗(yàn)原理】數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對(duì)收集來的大量第一手資料和第二手資料進(jìn)展分析，以求最大化地開發(fā)數(shù)據(jù)資料的功能，發(fā)揮數(shù)據(jù)的作用；是為了提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。要對(duì)數(shù)據(jù)進(jìn)展分析，當(dāng)然要分析數(shù)據(jù)中包含的主要信息，即要分析數(shù)據(jù)的主要特征，也就是說，要研究數(shù)據(jù)的數(shù)字特征。對(duì)于數(shù)據(jù)的數(shù)字特征，要分析數(shù)據(jù)的集中位置、分散程度。數(shù)據(jù)的分布是正態(tài)的還是偏態(tài)等。對(duì)于多元數(shù)據(jù)，還要分析多元數(shù)據(jù)的各個(gè)分量之間的相關(guān)性等。【實(shí)驗(yàn)工程設(shè)計(jì)】1.給定一組單變量數(shù)據(jù)，分組計(jì)算均值、方差、Q1、Q3、偏度、峰度。(習(xí)題1.4)從*商店的營業(yè)日中隨機(jī)抽取12天，得日營業(yè)額數(shù)據(jù)為〔單位：萬元〕:12.5,17.2,9.1,25.4,31.2,20,18.9試求樣本均值、樣本方差、樣本變異系數(shù)、樣本中位數(shù)、上樣本四分位數(shù)、下樣本四分位數(shù)、樣本四分位數(shù)間距和極差。1.建數(shù)據(jù)集12.517.29.125.431.2212.517.29.125.431.222.使用“SAS/分析家”菜單(1)翻開“分析家”界面。選擇SAS界面的級(jí)聯(lián)菜單：“解決方案”>“分析”>"分析家”。(2)調(diào)出數(shù)據(jù)文件Work.D4。在界面的空白處，右鍵彈出菜單，選擇級(jí)聯(lián)菜單：“文件”>“按SAS名稱翻開”。依次選擇邏輯庫和文件對(duì)象，分別為“Work”、“D4”,單擊"確定”按鈕。(3)確定分析方法。選擇界面上的級(jí)聯(lián)菜單：“統(tǒng)計(jì)”>“描述性統(tǒng)計(jì)”>"分布"(4)輸送變量。首先選中變量"*”,然后單擊“Analyst”按鈕。即完成變量的輸送，確定變量"*"作為分析變量。單擊“OK”。(5)得到輸出結(jié)果上述使用“分析家”的調(diào)用過程等價(jià)于程序調(diào)用univariate過程：3.解答樣本均值mean=樣本方差Variance=樣本上四分位數(shù)75%Q3=樣本中位數(shù)Median=樣本下四分位數(shù)25%Q1=樣本四分位數(shù)間距InterquartileRange=(例3.2.3)今對(duì)31個(gè)人進(jìn)展人體測(cè)試，考察或測(cè)試的七個(gè)指標(biāo)是：年齡(*1)、體重(*2)、肺活量(*3)、1.5英里跑的時(shí)間(*4)、休息時(shí)的脈搏(*5)、跑步時(shí)的脈搏(*6)和跑步時(shí)記錄的最大脈搏(*7)。數(shù)據(jù)列于表3.2.1?，F(xiàn)欲對(duì)這些指標(biāo)作一些相關(guān)分析。1.對(duì)于給定E*CEL數(shù)據(jù)文件，導(dǎo)入數(shù)據(jù)建數(shù)據(jù)集e323.sas7bdat實(shí)驗(yàn)二正態(tài)總體的均值檢驗(yàn)1.掌握單正態(tài)總體樣本的均值檢驗(yàn)〔B〕;2.掌握兩獨(dú)立組樣本(服從正態(tài)總體)進(jìn)展均值比較〔A〕;3.掌握兩對(duì)照組樣本(服從正態(tài)總體)進(jìn)展均值比較〔A〕;【實(shí)驗(yàn)原理】1.單樣本總體均值的t檢驗(yàn)2.兩獨(dú)立組樣本總體的方差比較【實(shí)驗(yàn)工程設(shè)計(jì)】1.單個(gè)正態(tài)總體的均值檢驗(yàn)；2.兩獨(dú)立組樣本(服從正態(tài)總體)進(jìn)展均值比較檢驗(yàn)；3.兩對(duì)照組樣本(服從正態(tài)總體)進(jìn)展均值比較檢驗(yàn)。(習(xí)題1.4)從*商店的營業(yè)日中隨機(jī)抽取12天，得日營業(yè)額數(shù)據(jù)為〔單位：萬元〕:12.5,17.2,9.1,25.4,31.2,20,18.91.建數(shù)據(jù)集12.517.29.125.431.2212.517.29.125.431.22(1)翻開“分析家”界面。(2)調(diào)出數(shù)據(jù)文件Work.D4。(3)確定分析方法。選擇界面上的級(jí)聯(lián)菜單：“統(tǒng)計(jì)”>"假設(shè)檢驗(yàn)”>"均值的單樣本T檢驗(yàn)"(4)輸送變量。確定變量“*”為分析變量。(5)得到輸出結(jié)果檢驗(yàn)p值=(習(xí)題1.22)為比較甲、乙兩種安眠藥的療效，將20名患者分成兩組，每組10人，假定服藥后延長(zhǎng)的睡眠時(shí)間都近似服從正態(tài)分布且方差相等，測(cè)得其數(shù)據(jù)如0.7,-1.6,-0.2,-1.2,-0.1,3.4,試問在顯著性水平a=0.05下檢驗(yàn)兩種安眠藥的療效有無顯著性差異，p值是多少.1.建數(shù)據(jù)集前面的“分析家”界面不要關(guān)閉，切換到程序編輯窗口，輸入程序。(1)回到“分析家”界面，調(diào)出數(shù)據(jù)文件work.d22(2)確定分析方法。選擇級(jí)聯(lián)菜單：“統(tǒng)計(jì)”>“假設(shè)檢驗(yàn)”>"均值的雙樣本T檢驗(yàn)”(3)設(shè)置數(shù)據(jù)集work.d22中，各樣本分組數(shù)據(jù)對(duì)應(yīng)的變量個(gè)數(shù)：“Two(4)輸送變量，將變量"*”輸送給“group1”,“y”輸送給“group2”,單擊"OK"(5)輸出結(jié)果如下(6)涉及到兩獨(dú)立組的方差，繼續(xù)檢驗(yàn)兩組方差是否相等?；氐健胺治黾摇苯缑嫔?，選擇級(jí)聯(lián)菜單"統(tǒng)計(jì)”>"假設(shè)檢驗(yàn)”>"方差的雙樣本T檢驗(yàn)”(7)輸送變量。將變量“*”輸送給“group1”,“y”輸送給“group2”,單擊"OK”。(8)輸出結(jié)果如下3.解答H0:σ1=σ2檢驗(yàn)p值=結(jié)論：拒絕/承受H0.兩獨(dú)立組的方差是/否相等。檢驗(yàn)p值=結(jié)論：拒絕/承受H0.兩種安眠藥的療效有/無顯著性差異三、兩對(duì)照組樣本(服從正態(tài)總體)進(jìn)展均值比較〔習(xí)題1.24〕甲、乙兩種稻種分別播種在10塊試驗(yàn)田中，每塊試驗(yàn)田甲、乙稻種各種一半。假設(shè)同一塊田中兩種作物的產(chǎn)量之差服從正態(tài)分布。現(xiàn)獲10塊田的成對(duì)產(chǎn)量如下表所示〔單位：公斤〕,試問兩種稻種產(chǎn)量有無顯著性差異〔a=0.05〕,p值是多少.123456789甲種乙種1.建數(shù)據(jù)集2.使用“SAS/分析家”菜單(1)回到“分析家”界面，調(diào)出數(shù)據(jù)文件work.d24(2)確定分析方法。選擇級(jí)聯(lián)菜單：“統(tǒng)計(jì)”>“假設(shè)檢驗(yàn)”>"均值的雙樣本成對(duì)T檢驗(yàn)”(3)輸送變量。設(shè)置各分組數(shù)據(jù)對(duì)應(yīng)的變量個(gè)數(shù)：“Twovariables”,并輸送變量"*”y”,單擊“OK”,得到輸出結(jié)果如下：檢驗(yàn)p值=結(jié)論：拒絕/承受HO,兩種稻種產(chǎn)量有/無顯著性差異.實(shí)驗(yàn)三非參數(shù)檢驗(yàn)1.掌握卡方檢驗(yàn)〔A〕;2.熟悉符合檢驗(yàn)、符號(hào)秩和檢驗(yàn)、秩和檢驗(yàn)。【實(shí)驗(yàn)原理】非參數(shù)統(tǒng)計(jì)是統(tǒng)計(jì)分析的重要組成局部?？墒桥c之很不相稱的是它的理論開展遠(yuǎn)遠(yuǎn)不及參數(shù)檢驗(yàn)完善，因而比較完善的可供使用的方法也不多。在SAS中，非參數(shù)統(tǒng)計(jì)主要由UNIVARIATE過程、MEANS過程和NPAR1WAY過程來實(shí)現(xiàn)，使用SAS的“分析家”系統(tǒng)可以方便地進(jìn)展界面操作?！緦?shí)驗(yàn)工程設(shè)計(jì)】1.對(duì)列聯(lián)表，檢驗(yàn)行變量與列變量的關(guān)聯(lián)性；2.給定一組未知總體的樣本數(shù)據(jù)，檢驗(yàn)μ=μ0;3.給定兩組未知總體的樣本數(shù)據(jù)，檢驗(yàn)μ1=μ2?！緦?shí)驗(yàn)容】一、對(duì)列聯(lián)表，檢驗(yàn)行變量與列變量的關(guān)聯(lián)性(習(xí)題4.7)下表為*藥治療感冒效果的3*3列表。療效\年齡兒童成年老年合計(jì)試問：療效與年齡是否關(guān)聯(lián)〔a=0.05〕.1.建數(shù)據(jù)集(6)翻開“分析家”界面。(7)調(diào)出數(shù)據(jù)文件Work.D0407。(8)確定分析方法。選擇界面上的級(jí)聯(lián)菜單：“統(tǒng)計(jì)”>“表分析”得到列聯(lián)表的空白界面。(9)輸送變量。選中變量“effect”,單擊"Row”按鈕；選中變量"age”,單擊Column”按鈕；選中變量“num”,單擊"CellCounts”按鈕。完成變量輸送。顯示如下。(10)選擇附加的統(tǒng)計(jì)方法。在列聯(lián)表分析〔TableAnalysis〕界面的右邊下角，點(diǎn)擊"statistics"按鈕，翻開選項(xiàng)設(shè)置頁。勾選“chi-squarestatistics”。如下列圖。單擊"OK”按鈕。值得一提的是，卡方檢驗(yàn)?zāi)J(rèn)使用近似計(jì)算，目的是為了節(jié)省時(shí)間。當(dāng)然也可以勾選中間的“E*acttest”選項(xiàng)卡，來指定準(zhǔn)確檢驗(yàn)，只是*些時(shí)候的運(yùn)行時(shí)間無法控制。(11)得到輸出結(jié)果3.解答H0:療效與年齡獨(dú)立。檢驗(yàn)統(tǒng)計(jì)量及其分布：x2~x2(4)統(tǒng)計(jì)量=檢驗(yàn)p值=結(jié)論：二、對(duì)未知總體的一組樣本數(shù)據(jù)，進(jìn)展均值的非參數(shù)檢驗(yàn)〔H0:μ=(習(xí)題4.9)從*企業(yè)中隨機(jī)抽取12名職工，調(diào)查他們的年抽入，數(shù)據(jù)如下〔單位：萬元〕:試用符號(hào)檢驗(yàn)對(duì)該企業(yè)職工年收入的中位數(shù)是否顯著超過了5萬元進(jìn)展符號(hào)檢1.建數(shù)據(jù)集前面的“分析家”界面不要關(guān)團(tuán)，切換到程序窗口，運(yùn)行以下程序。(1)在未關(guān)閉的“分析家”界面中，調(diào)出數(shù)據(jù)文件Work.D0409。(2)翻開對(duì)應(yīng)于univariate程序功能的菜單分析界面。選擇界面上的級(jí)聯(lián)菜單：“統(tǒng)計(jì)”>“描述性統(tǒng)計(jì)”>“分布”(3)輸送差值變量“d”。選中差值變量“d”,單擊Analysis框。單擊"OK”。(4)得到輸出結(jié)果。①符號(hào)檢驗(yàn)檢驗(yàn)統(tǒng)計(jì)量及其分布：s~b(12,0.5)檢驗(yàn)p值=0.387712=0.194〔單邊檢驗(yàn)，故概率除以2〕結(jié)論：承受H0。②符號(hào)秩檢驗(yàn)〔前提：假定總體的分布式對(duì)稱的〕檢驗(yàn)統(tǒng)計(jì)量T*代表差值變量d中取值為正的數(shù)據(jù)項(xiàng)秩總和。統(tǒng)計(jì)量T+=19+E(T+)=19+12(12+1)/4=19+39=58,檢驗(yàn)p值=0.1455/2=0.〔單邊檢驗(yàn)，故概率除以2〕結(jié)論：承受HO。三、兩組未知總體的樣本數(shù)據(jù)，非參數(shù)檢驗(yàn)總體均值都一樣，經(jīng)試驗(yàn)得兩個(gè)容量不同的纖維轉(zhuǎn)移率樣本甲乙1.建數(shù)據(jù)集前面的“分析家”界面不要關(guān)閉，切換到程序窗口，運(yùn)行以下程序。甲甲乙乙3.得到輸出結(jié)果4.解答H0:兩臺(tái)機(jī)器沒有顯著的差異〔即μ1=μ2〕H1:兩臺(tái)機(jī)器存在顯著的差異(即T=67,(統(tǒng)計(jì)量T代表甲臺(tái)機(jī)器的樣本數(shù)據(jù)在混合數(shù)據(jù)中的秩和),檢驗(yàn)p值=0.0292〔雙邊檢驗(yàn)，應(yīng)選用z檢驗(yàn)的“Two-sidedPr>|Zl”〕,認(rèn)為兩臺(tái)機(jī)器存在顯著差異。問題1說出非參數(shù)檢驗(yàn)和參數(shù)檢驗(yàn)的區(qū)別。問題2說出非參數(shù)檢驗(yàn)中，都有哪幾類問題有需要以引入差值變量d。實(shí)驗(yàn)四方差分析【實(shí)驗(yàn)原理】檢驗(yàn)的統(tǒng)計(jì)方法。在進(jìn)展單因素方差分析時(shí)，如果檢驗(yàn)拒絕了原假設(shè)，則我們有時(shí)還需進(jìn)一步檢驗(yàn)到底哪些均值之間存在差異，把同時(shí)比較任意兩個(gè)水平下的總倫尼法?！緦?shí)驗(yàn)工程設(shè)計(jì)】【實(shí)驗(yàn)容】〔例5.1.1〕為檢驗(yàn)甲、乙、丙三種型號(hào)的機(jī)器混合一批原料所需平均時(shí)間是否一樣，*管理人員得到了混合原料所需時(shí)間的如表5.1.1所示的數(shù)據(jù)。(例5.2.1)在例5.1.1中，k=3,n1=n2=n3=6,n=18,并假定在三個(gè)水平下的總體分布皆為正態(tài)，且方差相等。試給出方差分析表〔參考教材124頁〕并進(jìn)展多重比較。(1)翻開“分析家”界面，調(diào)出數(shù)據(jù)文件Work.C0501。(2)翻開單因素方差分析界面。/*SASANALYST菜單：“統(tǒng)計(jì)”>方差分析(A)”>“單向方差分析(O)~*/(3)輸送變量。(4)得到輸出結(jié)果。(1)翻開單因素方差分析界面/*SASVANALYST菜單：“統(tǒng)計(jì)”>"方差分析(A)”>"單向方差分析(O)~*/單擊選項(xiàng)卡'parisonMethod”右側(cè)的黑色下箭頭，彈出的列表中選擇適宜的方法。(3)使用Fisher'sLSD法的多重比較結(jié)果〔參考教材126頁〕(4)使用邦弗倫尼法的多重比較結(jié)果〔參考教材127頁〕二、考慮交互作用的雙因素方差分析〔例5.3.1〕為研究影響合成纖維抗斷強(qiáng)度的因素，表5.3.1記錄了三位操作員用同一批產(chǎn)品的纖維在四臺(tái)生產(chǎn)機(jī)器上試驗(yàn)的數(shù)據(jù)。操作員121.建數(shù)據(jù)集(1)翻開“分析家”界面，調(diào)出數(shù)據(jù)文件Work.C0502。(2)翻開雙因素方差分析界面。/*SASVANALYST菜單：“統(tǒng)計(jì)”》方差分析(A)”》"因子方差分析(O)*/(3)輸送雙因素變量A、B和數(shù)值變量*。保存窗口。(4)輸送交互因素A×B。單擊Model按鈕，彈出如下頁面。同時(shí)選中左側(cè)變量A、B,單擊cross按鈕，完成交互因素的添加。單擊“OK”按鈕。(5)得到輸出結(jié)果。三、不考慮交互作用的雙因素方差分析〔例5.3.3〕為了考察壓強(qiáng)與溫度對(duì)*種粘合劑抗剪強(qiáng)度的影響，選定壓強(qiáng)(單位：10-5牛頓/毫米2)的四個(gè)水平和溫度(單位：℃)的三個(gè)水平作試驗(yàn)，每個(gè)水平組合下粘合劑的抗剪強(qiáng)度均服從方差一樣的正態(tài)分布，試檢驗(yàn)兩個(gè)因素的效應(yīng)是否顯著(α=0.05)。試給出方差分析表〔參考教材136頁〕/*引入因素變量A、B和數(shù)值變量*,建數(shù)據(jù)集c0503*/2.使用“SAS/分析家”菜單同上，只是省去添加交互因素這一步驟。實(shí)驗(yàn)五回歸分析掌握多元線性回歸方程的擬合、檢驗(yàn)〔A〕?！緦?shí)驗(yàn)原理】客觀世界中事物之間的關(guān)系是各種各樣的。從定量的角度看，主要有兩種：一是確定性關(guān)系，如重力加速度，即自由落體的距離與時(shí)間：S=0.5gt2;另一類是不確定性關(guān)系，即相關(guān)關(guān)系。由于事物的變化常常受多種因素的影響，導(dǎo)致了事物變化的不確定性。人們常用相關(guān)系數(shù)來描述事物之間的這種不確定性程度。但對(duì)于如何通過一個(gè)事物的值去估計(jì)和預(yù)測(cè)另一個(gè)事物的開展變化，相關(guān)系數(shù)卻無能為力。但是，通過大量的實(shí)際調(diào)查，可以總結(jié)出它們之間的關(guān)系，回歸分析即是對(duì)這種關(guān)系的描述?！盎貧w”一詞最早由英國統(tǒng)計(jì)學(xué)家高爾頓〔FrancisGalton〕在19世紀(jì)末期研究孩子的身高和他們父母身高關(guān)系時(shí)提出。研究發(fā)現(xiàn)，孩子的身高總是趨于他們父母身高的平均值。孩子的身高，比身材矮的父母要高，比身材高的父母要矮，這種趨于中間值的趨勢(shì)稱作"回歸效應(yīng)”,而他提出的這種研究?jī)蓚€(gè)數(shù)值變量關(guān)系的方法稱作回歸分析?；貧w分析是借助數(shù)學(xué)模型對(duì)客觀世界所存在的事物間的不確定關(guān)系的一種數(shù)量化描寫，即通過一個(gè)或幾個(gè)變量的變化去解釋另一變量的變化。目的在于對(duì)相關(guān)隨機(jī)變量進(jìn)展估計(jì)、預(yù)測(cè)和控制，確定變這些量之間數(shù)量關(guān)系的可能形式，并用一個(gè)數(shù)學(xué)模型來表示。回歸分析中，自變量(independentvariable)也稱為解釋變量，給定的或可以控制的、用來解釋、預(yù)測(cè)因變量的變量；因變量(dependentvariable)也稱為響應(yīng)變量，由自變量來解釋其變化的變量。只有一個(gè)自變量的線性回歸叫一元線性回歸，也叫簡(jiǎn)單回歸。與方差分析不同，在回歸分析中，“元”是指自變量，而不是指因變量?！緦?shí)驗(yàn)工程設(shè)計(jì)】1.給定樣本數(shù)據(jù)，進(jìn)展一元線性回歸擬合、檢驗(yàn)；2.給定樣本數(shù)據(jù)，進(jìn)展多元線性回歸擬合、檢驗(yàn)。3.帶虛擬變量〔啞元變量〕的線性回歸?！擦?xí)題5.2〕關(guān)于汽車輪胎的等級(jí)和承載能力的一個(gè)樣本統(tǒng)計(jì)資料如下：序號(hào)12345承載能力y輪胎等級(jí)*(1)用汽車輪胎的等級(jí)作自變量，畫出這些數(shù)據(jù)的散點(diǎn)圖；(2)利用最小二乘法，求出估計(jì)回歸函數(shù)；1.建數(shù)據(jù)集補(bǔ)充(12)翻開“分析家”界面。調(diào)出數(shù)據(jù)文件Work.D0602。(13)繪制散點(diǎn)圖。單擊工具欄“散點(diǎn)圖”圖標(biāo)彈出散點(diǎn)圖頁面：〔2.1〕輸送變量?！?.2〕設(shè)置星號(hào)為散點(diǎn)顯示符號(hào)。單擊“display”按鈕，彈出頁面如下，單擊黑色下箭頭，彈出列表中單擊“star”。單擊“OK”返回。(14)擬合回歸函數(shù)。步驟同實(shí)驗(yàn)容二。略。二、多元回歸分析〔習(xí)題6.4〕關(guān)下表是30家計(jì)算機(jī)硬件設(shè)備公司的每股價(jià)格(y)、每股賬面價(jià)值(*1)和每股資本收益率(*2)的統(tǒng)計(jì)資料：(1)試求估計(jì)回歸函數(shù)；(2)檢驗(yàn)H0:O=1=0〔a=0.05〕;(3)試求復(fù)判定系數(shù)R2;(4)試求0和1的95%置信區(qū)間；(5)對(duì)于一家每股賬面價(jià)值*1=9.48和每股資本收益率*2=17.5的計(jì)算機(jī)，硬件設(shè)備公司，試對(duì)它的平均每股價(jià)格作出點(diǎn)估計(jì)并對(duì)其每股價(jià)格作出點(diǎn)(6)在(5)中，試求平均每股價(jià)格的95%置信區(qū)間和每股價(jià)格的0.95置信區(qū)1.建數(shù)據(jù)集(15)翻開“分析家”界面。調(diào)出數(shù)據(jù)文件Work.D0604。(16)翻開〔多元〕線性回歸界面。(17)設(shè)置〔多元〕線性回歸界面，如圖?！?.1〕輸送變量。〔此步驟操作必選，余下步驟可選〕輸送y為Dependent變量；同時(shí)選中*1、*2設(shè)置為E*planatory變量?！?.2〕求回歸系數(shù)求0和1的95%置信區(qū)間。在Parameterestimates選項(xiàng)框中，勾選前兩項(xiàng)。如圖。即設(shè)置輸出標(biāo)準(zhǔn)回歸系數(shù)和參數(shù)估計(jì)置信區(qū)間。〔3.3〕新采樣點(diǎn)的點(diǎn)預(yù)測(cè)。依據(jù)題目為例：*1=9.48,*2=17.5。對(duì)平均每股價(jià)格作出點(diǎn)估計(jì)并對(duì)其每股價(jià)格作出點(diǎn)預(yù)測(cè)。

切換到程序編輯窗口，建立待預(yù)測(cè)數(shù)據(jù)集temp并運(yùn)行程序。

切換到多元線性回歸界面，單擊Predictions按鈕，彈出頁面：在”預(yù)測(cè)輸入”選項(xiàng)框中，勾選“Predictadditionaldata”,單擊實(shí)黑色右箭頭，將彈出“選擇成員”頁面，選擇新建的待預(yù)測(cè)數(shù)據(jù)集work.temp。然后，在"預(yù)測(cè)輸出”選項(xiàng)框中，勾選“Listpredictions”,將顯示預(yù)測(cè)結(jié)果列表。單擊"OK”返回。

多元線性回歸界面，單擊Savedata按鈕，彈出頁面：勾選“Createandsavediagnosticsdata”選項(xiàng)。按住鍵盤shift按鈕，依次單擊Predicted、L95M、U95M、L95、U95〔含義分別是：預(yù)測(cè)值，平均y值的95%置信下限、上限，預(yù)測(cè)y值的95%置信下限、上限〕,單擊界面“Add”按鈕，完成預(yù)測(cè)統(tǒng)計(jì)量的添加。單擊OK返回?！?.4〕完成多元線性回歸界面設(shè)置，單擊OK按鈕。得到輸出結(jié)果。(18)保存數(shù)據(jù)的查看。在SAS資源管理器中，雙擊新出現(xiàn)的文件夾_proi_,雙擊Score,即可查看預(yù)測(cè)輸出保存數(shù)據(jù)。3.解答(習(xí)題6.4)一位經(jīng)濟(jì)學(xué)家想研究采取*項(xiàng)改革措施所需時(shí)間〔y〕對(duì)保險(xiǎn)公司規(guī)?！?1,單位：百萬美元〕和保險(xiǎn)公司類型〔互助公司和股份公司〕的關(guān)系。因變量的計(jì)量是第一個(gè)公司采納這項(xiàng)革新和給定公司采納這項(xiàng)革新在時(shí)間上先后間隔的月數(shù)。令虛擬變量*2=1互助公司；*2=0股份公司。考慮回歸模型：10個(gè)互助公司和10個(gè)股份公司的有關(guān)調(diào)查數(shù)據(jù)見下表：22公司類型互助互助公司公司類型272股份3股份4互助5互助股份60互助7互助8互助94股份(1)試求估計(jì)回歸函數(shù)，并寫出對(duì)每一公司類型的估計(jì)回歸函數(shù)；(2)解釋回歸系數(shù)的含義；(4)檢驗(yàn)驗(yàn)H0:1=0和H0:2=0〔a=0.05〕;(5)試求1和2的95%置信區(qū)間。實(shí)驗(yàn)步驟同上。略。實(shí)驗(yàn)六(1)判別分析掌握待判樣品的距離判別法和貝葉斯判別法〔A〕?！緦?shí)驗(yàn)原理】判別分析要解決的問題是，在歷史上用*些方法已把研究對(duì)象分成假設(shè)干組的情況下，來判定新的觀測(cè)樣品應(yīng)歸屬的組別。三種常用的判別分析方法分別是距離判別、貝葉斯〔Bayes〕判別和費(fèi)希爾〔Fisher〕判別。對(duì)組的事先劃分有時(shí)也可以通過聚類分析得到?！緦?shí)驗(yàn)工程設(shè)計(jì)】1.距離判別；2.貝葉斯判別?！擦?xí)題8.4〕根據(jù)經(jīng)歷，今天和昨天的濕度差*1及今天的壓溫差〔氣壓與溫度之差〕*2是預(yù)報(bào)明天是否下雨的兩個(gè)重要因素?，F(xiàn)收集到一批樣本數(shù)據(jù)列于下表。1〔雨天〕2〔非雨天〕*1〔濕度差〕*2〔壓溫差〕*1〔濕度差〕*2〔壓溫差〕520今測(cè)得*1=0.6,2=3.0,假定兩組的協(xié)方差陣相等。(1)試用距離判別法預(yù)報(bào)明天是否下雨，用〔8.2.7〕式即回判法來估計(jì)誤判概率；解答：明天下雨/不下雨.明天下雨。誤判率的回判法估計(jì)：P(211)=.0.2,P(112)=.0.1。(2)假定兩組的x=[x?,x,]′均服從二元正態(tài)分布，且根據(jù)其他信息及經(jīng)歷給出先驗(yàn)概率p=0.3,p=0.7,試用貝葉斯判別法預(yù)報(bào)明天是否下雨；解答：明天下雨/不下雨.不下雨。(3)假設(shè)你現(xiàn)考慮是否為明天安排一項(xiàng)活動(dòng)，該活動(dòng)在時(shí)間上有緊迫性，但又不太適合在雨天進(jìn)展，并認(rèn)為C(2|1)=3C(1|2),則你今天是否應(yīng)該安排項(xiàng)這活動(dòng)判別規(guī)則為：*1=0.6;*2=3.0;group=.(習(xí)題8.5)對(duì)28名一級(jí)和25名健將級(jí)標(biāo)槍運(yùn)發(fā)動(dòng)測(cè)試了6個(gè)影響標(biāo)槍成績(jī)的訓(xùn)練項(xiàng)目，這些訓(xùn)練工程〔成績(jī)〕為：30米跑〔*1〕,投擲小球〔*2〕,挺舉重量〔*3〕,編號(hào)*1*2*3*4*5*6組別